我有一张文档图像，可能是报纸或杂志。例如，一张扫描的报纸。我想去除所有或大部分文本，并保留文档中的图像。有人知道如何在文档中检测文本区域吗？下面是一个例子。先谢谢了！
回答：
这里可以使用对象识别的常规模式 – 阈值处理，检测区域，过滤区域，然后对剩余区域进行你需要的处理。
阈值处理在这里很简单。背景是纯白色的（或者可以过滤成纯白色），所以在反转的灰度图像中，任何大于0的值都是文本或图像。然后可以在这种阈值处理后的二值图像中检测区域。
对于区域的过滤，我们只需要识别文本与图片的区别。文本区域会很小，因为每个字母都是一个独立的区域。相比之下，图片区域较大。通过适当的阈值按区域面积进行过滤，将会提取出所有图片并去除所有文本，假设页面上没有任何图片的大小接近单个字母。如果有，那么可以使用其他过滤标准（饱和度、色调变化等）。
一旦区域通过面积和饱和度标准进行过滤，就可以创建一个新图像，将原始图像中落在过滤区域边界框内的像素插入到新图像中。
MATLAB实现：
%%%%%%%%%%%%% 根据你的输入图像设置这些值img = imread('https://www.mathworks.com/matlabcentral/answers/uploaded_files/21044/6ce011abjw1elr8moiof7j20jg0w9jyt.jpg');MinArea = 2000; % 考虑的最小面积，以像素为单位%%%%%%%%%% 用户输入结束gsImg = 255 - rgb2gray(img); % 转换为灰度（并反转，因为这是我的思考方式）threshImg = gsImg > graythresh(gsImg)*max(gsImg(:)); % 自动阈值处理% 使用饱和度代替‘强度’来检测区域regs = regionprops(threshImg, 'BoundingBox', 'Area');% 处理区域以符合面积和饱和度阈值regKeep = false(length(regs), 1);for k = 1:length(regs) regKeep(k) = (regs(k).Area > MinArea);endregs(~regKeep) = []; % 删除不符合图像资格的区域% 创建一个新的空白图像来保存通过的区域newImg = 255*ones(size(img), 'uint8');for k = 1:length(regs) boxHere = regs(k).BoundingBox; % 提取当前区域的边界框 boxHere([1 2]) = floor(boxHere([1 2])); % 将起始点向下取整到下一个整数 boxHere([3 4]) = ceil(boxHere([3 4])); % 将范围向上取整到下一个整数 % 将原始图像中边界框内的像素插入到新图像中 newImg(boxHere(2):(boxHere(2)+boxHere(4)), ... boxHere(1):(boxHere(1)+boxHere(3)), :) = img(boxHere(2):(boxHere(2)+boxHere(4)), ... boxHere(1):(boxHere(1)+boxHere(3)), :);end% 显示figure()image(newImg);如你所见，在下面的链接图像中，它完成了所需的任务。除了图片和报头外，所有内容都被移除。好消息是，如果你处理的是非头版的报纸，这种方法对彩色和灰度图像同样有效。
结果：
